Инструмент ИИ позволяет присваивать рейтинг фильмам до начала съемок первой сцены

Рейтинги фильмов имеют решающее значение для коммерческого успеха фильма и определяют его влияние на зрителей. Традиционно фильм оценивается людьми, смотрящими его, учитывая насилие, злоупотребление наркотиками и сексуальный контент.

Эта ситуация может скоро измениться с развитием искусственного интеллекта (ИИ). Недавно исследователи в USC Viterbi School of Engineering использовали инструменты ИИ для оценки фильма в течение нескольких секунд. Одним из наиболее впечатляющих аспектов этого подхода является то, что рейтинг можно присвоить на основе только сценария фильма, без съемки единой сцены. Благодаря этому руководители кинопроизводства могут разработать сценарий, внести изменения и спроектировать рейтинг фильма заранее, до начала съемок.

Новый подход будет иметь финансовое влияние на студии, но он также может помочь творческим людям разработать и отредактировать историю на основе прогнозируемого воздействия и реакции зрителей.

Исследование было проведено под руководством Шрикана Нараянана, профессора университета и Ники и К. Л. Макса Никиаса в области инженерии, вместе с командой исследователей из лаборатории анализа и интерпретации сигналов (SAIL) в USC Viterbi.

Применение ИИ к сценариям

После применения ИИ к сценариям фильмов команда обнаружила, что лингвистические подсказки могут указывать на определенное поведение, связанное с насилием, злоупотреблением наркотиками и сексуальным контентом, которое будет демонстрироваться персонажами. Эти категории контента часто используются для оценки современных фильмов.

Команда использовала 992 сценария фильмов, которые были определены организацией Common Sense Media как содержащие насилие, злоупотребление наркотиками и сексуальный контент. Эта некоммерческая организация отвечает за предоставление рекомендаций по фильмам для семей и образовательных учреждений.

Обученная модель ИИ была затем применена к 992 сценариям, выявляя рискованное поведение, закономерности и особый язык. Сначала она получает сценарий в качестве входных данных, а затем обрабатывает его через нейронную сеть, которая сканирует семантику и выражения настроений.

ИИ работает как инструмент классификации, помечая предложения и фразы как положительные, отрицательные, агрессивные или другие описатели. Слова и фразы также классифицируются в три категории: насилие, злоупотребление наркотиками и сексуальный контент.

Виктор Мартинес – аспирант по компьютерным наукам в USC Viterbi и ведущий исследователь.

“Наша модель анализирует сценарий фильма, а не сами сцены, включая, например, звуки выстрелов или взрывов, которые происходят позже в производственном процессе”, – сказал Мартинес. “Это имеет преимущество в том, что позволяет присвоить рейтинг задолго до производства, чтобы помочь кинематографистам решить, например, степень насилия и нужно ли его смягчить”.

“Похоже, существует корреляция между количеством контента в типичном фильме, посвященном злоупотреблению наркотиками, и количеством сексуального контента. Скорее всего, кинематографисты намеренно или ненамеренно соответствуют уровень контента, связанного с злоупотреблением наркотиками, с уровнем сексуально откровенного контента”, – продолжил он.

Результаты и корреляции

Одним из результатов исследования было то, что крайне маловероятно, что фильм будет содержать высокие уровни всех трех рискованных поведений, что, вероятно, вызвано стандартами, установленными Ассоциацией кинопроизводителей (MPA). Они также обнаружили корреляцию между рискованным поведением и рейтингами MPA. Например, MPA уделяет меньше внимания содержанию насилия/злоупотребления наркотиками по мере увеличения сексуального контента.

“В SAIL мы разрабатываем технологии и инструменты на основе ИИ для всех участников этого творческого бизнеса – писателей, кинематографистов и продюсеров – для повышения осведомленности о различных важных деталях, связанных с рассказом их истории на фильме”, – сказал Нараянан.

“Нас интересует не только точка зрения рассказчиков нарративов, которые они ткут, но и понимание воздействия на зрителей и ‘вынесение’ из всего опыта. Инструменты, подобные этим, помогут повысить осведомленность, имеющую социальное значение, например, путем выявления негативных стереотипов”.

В команду исследователей также входят Кришна Сомандепалли, аспирант по электротехнике и компьютерным наукам в USC Viterbi, и профессор Ялда Т. Ухлс из психологического факультета UCLA.

Исследование было представлено на конференции EMNLP 2020.